[发明专利]基于DPM的快速目标检测方法

说明书

本发明提供了一种基于DPM的快速目标检测方法，步骤如下：一，导入已经训练好的目标检测分类器；二，通过摄像头读取视频，获取一帧图像；三，利用基于BING的objectness测量方法，产生可能含有目标的区域；四，计算图像HOG特征金字塔；五，针对上述检测出的区域进行DPM检测，对产生的每一个区域的特征金字塔前N层逐像素处理，计算根滤波器得分、部件滤波器得分、形变花费，最终形成一个窗口得分，如果这个得分大于事先设定的阈值，则把该点记录下来，如此循环到第N层；六，利用非极大值抑制算法，用矩形框标出检测的物体；七，重复步骤三至六，处理下一帧视频，直到视频结束。本发明为目标检测降低了搜索范围，并且利用look‑up‑table，加速了HOG特征计算。

技术领域

本发明涉及基于目标检测的图像分析技术领域，具体涉及一种基于DPM的快速目标检测方法。

背景技术

目标检测是计算机视觉中，重要的一个研究方向，是进一步分析目标的基础，在此基础上，可以对目标跟踪、行为分析等等。目前，目标检测在学术上有许多模型，其中可形变部件模型(deformable part models，简称DPM)是最近两年最为流行的图像中物体检测模型，由于能准确地检测出目标而受到欢迎，是公认的最好目标检测算法。

可变形部件模型(DPM)由三部分组成：(1)一个较为粗糙的、覆盖整个目标的全局根模版(或叫做根滤波器)；(2)几个高分辨率的部件模版(或叫做部件滤波器)；(3)部件模版相对于根模版的空间位置。

该方法依据检测窗口的得分判断是否含有待检测的目标，而检测窗口的得分是根滤波器的分数加上各个部件滤波器的分数的总和，每个部件滤波器的分数是此部件滤波器的各个空间位置得分的最大值，每个部件滤波器的空间位置得分是部件滤波器在该子窗口上滤波器的得分减去变形花费。

objectness测量是为了检测出可能含有目标的区域，提高目标检测的准确率。一个非常好的objectness测量可以加快目标检测的速度，其需要满足以下几个条件：

1、较高的检测率；

2、尽可能少的疑似目标区域；

3、较高的计算效率；

4、具有可扩展性。

如上所述，现有的可形变部件模型(DPM)目标检测方法虽然能准确检测出待检测目标，在一序列挑战中，取得了较好成绩，但是消耗的时间较高，一般很难直接用到实际产品中。而objectness测量的优点是较高地检出率，具有可扩展性，达到实时性，缺点是所用的学习方法比较简单，产生的较多的区域。因此有必要提供一种新的检测方法，即先进行objectness测量，然后针对可能含有的目标区域进行基于DPM的快速傅立叶目标检测，即ODDPM。

发明内容

本发明克服了上述现有技术中存在的不足，提出了一种具有实时性优点的基于DPM的快速目标检测方法。

本发明的技术方案是这样实现的：

一种基于DPM的快速目标检测方法，用于视频图像分析，所述方法包括以下步骤：

步骤1：导入已经训练好的目标检测分类器；

步骤2：通过摄像头读取视频，获取一帧图像；

步骤3：利用基于BING的objectness测量方法，产生可能含有目标的区域；

步骤4：计算图像HOG特征金字塔；

步骤5：针对步骤3检测出的区域进行DPM检测，对步骤3产生的每一个区域的HOG特征金字塔前N层逐像素处理，计算根滤波器得分、部件滤波器得分、形变花费，最终形成一个窗口得分，如果这个得分大于某个阈值，则把该点记录下来，如此循环到第N层；